代码随想录算法训练营35天 | ​​121. 买卖股票的最佳时机、122.买卖股票的最佳时机II、123.买卖股票的最佳时机III

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS接收机内部的一种算法，它仅利用冗余的伪距观测量来判断定位结果是否可靠、是否存在故障卫星，并能识别和排除故障卫星。奇偶矢量法是RAIM最经典的实现方式之一，它将不可直接观测的测量误差映射到一个“奇偶空间”中，使故障检测变得简单且服从精确的概率分布。w\mathbf{w}w虽然能反映故障，但它的协方差矩阵不是单位阵，各分量相关，不利于统计检验。奇偶矢量通过一个正交变换P。

代码随想录算法训练营第三十五天，劝人炒股天诛地灭！

摘要：本文介绍了基于LM321运放的同相输入型单限电压比较器电路。该电路通过运放开环工作模式实现电平判断：当输入信号Vs+＞0V时输出+15V高电平，Vs+＜0V时输出≈0V低电平。典型应用包括直流电压过零检测、交流信号整形、电池欠压报警和数字信号噪声过滤。电路具有结构简单（仅需1个运放和1个电阻）、成本低的优势，适用于传感器信号处理、波形转换等场景。使用时需注意参考电平调整、输出电平匹配等问题，如需抗噪声可增加正反馈电阻构成施密特触发器。该电路是运放实现简单电平逻辑的经典方案。

由递推公式可以看出其基础都是要从 dp[0][0] 和 dp[0][1] 推导出来，那么 dp[0][0] 表示第 0 天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以 dp[0][0] -= prices[0]；dp[0][1]表示第 0 天不持有股票，不持有股票那么现金就是 0，所以 dp[0][1] = 0。那么 dp[i][1] 一定是选最大的，所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1])。

3. 递推公式的基础是 dp[0][0] 和 dp[0][1]，dp[0][0] 表示第 0 天购入股票的情况，所以 dp[0][0] = -prices[0]，dp[0][1] 表示第 0 天不持有股票的情况，第 0 天不持股，所以 dp[0][1] = 0；2. dp[i][1]：第 i 天没有操作，沿用前一天买入的状态，即 dp[i - 1][1]；dp[i][1]：前几天就卖出了，第 i-1 天不持有股票，就保持现状 dp[i-1][1]；3. 第 0 天没有操作，所以 dp[0][0] = 0；

写代码的第三十五天买股票啦啦啦啦。

第九章 动态规划 Part 08 121. 买卖股票的最佳时机 122. 买卖股票的最佳时机 II 123. 买卖股票的最佳时机 III

要思考清楚dp数组的含义！！

例如 **Soft MoE** 采用这种方式，大幅提升负载均衡性，但会增加计算开销。- **熵正则化**：直接最大化门控概率分布的熵，熵越大表示分布越均匀，公式为 $\mathcal{L}_{ent} = -\frac{1}{N}\sum_{i=1}^N\sum_{k=1}^K p_{ik}\log p_{ik}$。- **核心原理**：源自 **GShard** 和 **Switch Transformer**，通过最小化专家选择概率分布的熵，迫使门控网络给每个专家分配相近的 token 数量。

2.重复键在归并连接中的处理：排序归并连接遇到相同键时，需要保存或回溯同一键对应的记录组，然后输出笛卡尔积。（2）外连接：即使一方没有数据，也保留该侧数据，用NULL填充。对S中的键计算哈希值；（3）连接基数：连接结果的行数可能远大于任意一张输入表。设外表有R个页面，内表S个页面，比较次数O（R+R*S）5.哈希连接的限制：最适用于等值连接，不直接适用于比较。（1）build阶段：对较小的关系R建立哈希表。（1）内连接：只保留两张表之中能够匹配的内容。若R有M行，S有N行，则比较次数为O（MN）

本文介绍了归并排序和基数排序两种非比较型排序算法。归并排序采用分治策略，通过递归分割与合并实现排序，时间复杂度稳定为O(nlogn)，空间复杂度O(n)，具有稳定性。基数排序则基于数字位数进行分配收集，时间复杂度O(d(n+r))，适用于固定位数的整数或字符串排序。文章通过示例详细说明了两者的执行过程，并对比了八大排序算法的关键特性，包括时间复杂度、空间复杂度和稳定性。最后通过典型例题展示了两种排序的应用场景和解题思路，强调归并排序的分治思想和基数排序的LSD实现是考试重点。（149字）

文章摘要 题目要求在数组中找到两数之和等于目标值的下标。核心思路是优化查找效率： 暴力法：双重循环枚举所有数对，时间复杂度O(n²)，效率低但易实现。 哈希表优化：利用哈希表O(1)查找特性，遍历时存储已访问元素，每次计算差值并查询，时间复杂度降至O(n)。关键细节是先查后存，避免自匹配。 代码实现：哈希表法通过一次遍历完成，空间换时间，边界处理需注意空数组和不足两元素的情况。 常见错误：内层循环起始点、哈希表键值设计、立即返回结果等易错点需警惕。 面试要点：优先选择哈希表解法，解释与暴力法的差异，强调时间

题目摘要： 给定一个由'X'和'O'组成的矩阵，要求捕获所有被'X'完全包围的'O'区域（即不与边界连通的区域），并将其替换为'X'。解法核心是逆向处理： 标记边界连通区域：遍历矩阵四边，对边界上的'O'进行BFS/DFS，标记所有与之连通的'O'为临时符号（如'.'），表示这些区域未被包围。 批量修改：遍历整个矩阵，将未被标记的'O'（被包围的）改为'X'，同时恢复标记的'.'为'O'。 示例： 输入： [['X','X','X','X'], ['X','O','O','X'], ['X','X','O'

利用滑动窗口解决最大连续1的个数

675. 为高尔夫比赛砍树 - 力扣（LeetCode）675. 为高尔夫比赛砍树 - 你被请来给一个要举办高尔夫比赛的树林砍树。树林由一个 m x n 的矩阵表示， 在这个矩阵中： * 0 表示障碍，无法触碰 * 1 表示地面，可以行走 * 比 1 大的数 表示有树的单元格，可以行走，数值表示树的高度每一步，你都可以向上、下、左、右四个方向之一移动一个单位，如果你站的地方有一棵树，那么你可以决定是否要砍倒它。你需要按照树的高度从低向高砍掉所有的树，每砍过一颗树，该单元格的值变为 1（即变为地面）。

S 曲线加减速是工业运动控制核心轨迹规划算法，相比梯形曲线，依靠约束加加速度 Jerk 实现加速度连续变化，有效消除机械冲击与振动。本文完整讲解七段式 S 曲线原理、阶段推演、时间预规划逻辑，剖析短行程自动裁剪等工程难点。提供无第三方依赖原生 C# 完整实现，内置运动状态机，支持正反方向运动，基于解析多项式实时求解位置、速度、加速度，无积分累积误差。代码可直接用于伺服上位机、模组轨迹发生器，亦可精简移植嵌入式平台。同时对比算法优劣与适用场景，适合工控开发、伺服调试、嵌入式运动算法学习者参考。

本文深入解析了Tokenization（分词算法）这一大语言模型的基础技术。Tokenization将原始文本切分为模型可处理的子词单元并映射为数字ID，是模型理解文本的第一步。

本文介绍了LeetCode 28题"找出字符串中第一个匹配项的下标"的两种解法：暴力匹配和KMP算法。暴力匹配通过逐个字符比较实现，时间复杂度O(m×n)；KMP算法利用next数组跳过不必要匹配，时间复杂度O(m+n)。文章详细解释了KMP的核心思想，包括next数组的定义和构建过程，并提供了Python和Java的代码实现。两种方法各具特点：暴力匹配简单直观，KMP更高效但实现复杂，适合处理长字符串匹配问题。

可以按照层次遍历子树，firsti 指向第 i 层的最左侧的孩子节点， lasti 指向第 i 层的最右侧的孩子节点，根据推理可以知道: firsti = 10 × firsti − 1 ，lasti = 10 × lasti − 1 + 9 ，第 i 层共有 lasti − firsti + 1 个节点，由于所有的节点都需要满足小于等于 n ，所以第 i 层的最右侧节点应该为 min(n,lasti) ，不断迭代直到 firsti > n 则终止向下搜索。

本文系统讲解算法时间复杂度的分析方法，重点解析对数和对数线性复杂度。主要内容包括：1）大O表示法的核心规则（保留最高阶项、忽略系数）；2）对数复杂度O(logN)的三种典型场景（循环折半、二分查找、递归折半）；3）对数线性复杂度O(NlogN)的结构特征（线性遍历嵌套折半操作）；4）提供快速判断口诀和5道典型练习题（含递归分析）。通过代码示例和数学推导，揭示复杂度分析的本质是观察问题规模的缩减速度。